短文本分类在商品分类下的应用

最近发现从电商网站获取到的商品，有一些是没有分类信息的
想到用商品标题文本解析，用文本分类的方法来初步实现未分类商品的二次分类

先熟悉一下文本分类的一些最基础算法
参考文本分类的14种算法总结，看完这个文章就能有个大致了解。他给出的数据集是西班牙语/法语？还是啥语言的分类，label只有两个。
另外一篇文章讲解的细一些14种分类算法进行文本分类实战，是中文文本分类

=======我是分割线，这些都是渣渣========

step1.我这边先把商品库的商品标题和分类信息拿出来，一部分作为训练集，一部分作为验证集。很快就发现我这分类太多，准确率是0。吐血整理扩大数据集。。。。。
step2.减少分类到10个，（先做这么粗糙），训练集9000条左右，修改了stoplist，准确率最高到0.58
step3.保持10个分类，扩大数据集到12万条，保持stoplist不变，准确率浮动很大，不同算法60%~100%不等
step4.语料增加到40万条，分类扩到40个，暴力分割前面部分为训练集，后面部分为验证集。主要用MultinomialNB（因为很快而且准确率可以）训练，准确率到87%,GaussianNB准确率为99.9%，多分类前馈神经网络准确率92.9%
step5.修改训练集和验证集的9:1抽样分割方式，MultinomialNB准确率为45.6%，但这种分割数据集的方式更为合理可信
step6.加入jieba分词，MultinomialNB准确率为95.6%
step7.改为67个分类，训练效果不忍直视。。。扩充数据集到1500万条，MultinomialNB准确率勉强到95.6%
step8.分类数目不变，修改短文本的内容，增加一些商品属性之类的信息，数据集400万条，MultinomialNB准确率99.5%，训练速度和准确率都不错了
step9.考虑词向量的应用，word2vector，似乎训练时间更长，而且准确率更低了，😓。。。。。不知道是否词向量更适用于神经网络的数据集处理，还是参数问题，还是怎样？

在电商场景下进行商品分类的应用：
由于电商平台的商品类目非常多，所以对于未分类商品，应先分类到大类（一级分类），再在特定的某个一级分类下细化到具体的子类